비즈니스 문제 이해

기계 학습 모델에서 값을 얻으려면 배포해야 합니다. 모델을 배포할 때마다 필요할 때마다 예측을 생성하여 인사이트를 제공할 수 있습니다.

의료 분야의 스타트업인 Proseware에서는 실무자가 환자의 질병을 더 빨리 진단하는 데 도움이 되는 웹 애플리케이션 개발을 지원해 왔습니다. 실무자가 환자의 의료 정보를 입력하면 앱은 해당 환자가 질병을 앓고 있을 확률에 대한 인사이트를 제공할 수 있습니다.

첫 번째 사용 사례는 실무자가 당뇨병을 더 빨리 진단할 수 있도록 돕는 것입니다. 의료 데이터를 조사한 후 데이터 과학 팀은 환자가 당뇨병을 앓고 있는지 여부를 진단하는 모델을 학습시켰습니다. 모델은 구현하기에 충분히 정확합니다. 이제 문제는 웹앱에서 모델을 사용하여 예측을 생성하는 것입니다.

모델과 앱은 필요할 때 의료 종사자를 돕기 위해 설계되었으므로 모든 환자에게 모델을 사용하고 싶지는 않습니다. 대신, 환자가 당뇨병을 앓고 있다고 믿을 만한 이유가 있을 때마다 실무자에게 환자의 데이터를 웹앱에 입력할 수 있는 가능성을 제공하고자 합니다. 비용이 많이 들고 불필요한 검사를 방지하기 위해 당뇨병 환자의 확률에 대한 모델의 예측은 누가 검사를 받아야하는지, 누가 하지 말아야 하는지 결정하는 첫 번째 필터가 될 것입니다.

앞으로는 질병 진단에 도움이 되는 더 많은 기계 학습 모델이 웹앱에 추가될 예정입니다. 실무자가 환자에게 질병이 있는지 확인하기 위해 실행해야 하는 검사에 대해 데이터 기반 결정을 더 많이 내릴 수 있도록 돕기 위한 것입니다.

첫 번째 프로젝트의 목적은 실무자가 앱에서 개인의 의료 정보를 입력하고 당뇨병을 앓고 있는 환자의 확률에 대한 직접적인 예측을 얻을 수 있도록 하는 것입니다. 실무자는 직접적인 예측을 받아 환자와 협의하는 동안 웹앱을 사용하여 다음 단계에 대한 결정을 신속하게 내릴 수 있습니다.

즉, 실시간 엔드포인트에 모델을 배포해야 합니다. 웹앱은 환자의 데이터를 엔드포인트로 보내고 그 대가로 예측을 얻을 수 있어야 합니다. 그런 다음, 실무자를 돕기 위해 웹앱에서 예측을 시각화해야 합니다.

모델을 배포하려면 다음을 수행합니다.

• 모델을 등록합니다.
• 모델을 배포합니다.
• 배포된 모델 테스트